| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 绪论 | 第8-10页 |
| 引言 | 第8页 |
| 国内外本课题研究现状 | 第8-9页 |
| 本文主要研究内容及章节安排 | 第9-10页 |
| 第一章 背景与理论 | 第10-16页 |
| 1.1 向量空间模型 | 第10-11页 |
| 1.1.1 基于文本的向量空间模型 | 第10-11页 |
| 1.1.2 基于图像的向量空间模型 | 第11页 |
| 1.2 盲源分离与线性广义主元分析 | 第11-16页 |
| 第二章 非负矩阵分解及相关问题 | 第16-25页 |
| 2.1 非负矩阵分解算法的提出 | 第16页 |
| 2.2 为何非负矩阵分解需要非负约束与稀疏约束 | 第16-17页 |
| 2.3 非负矩阵分解算法 | 第17-22页 |
| 2.4 非负矩阵分解初始化问题研究 | 第22-24页 |
| 2.4.1 基于多次随机分布的 NMF 初始化问题 | 第22-23页 |
| 2.4.2 基于 SVD 的 NMF 初始化问题 | 第23-24页 |
| 2.5 非负矩阵分解迭代终止条件 | 第24-25页 |
| 第三章 改进的非负矩阵分解算法及其在盲源分离中的应用 | 第25-32页 |
| 3.1 非负矩阵分解的改进模型 | 第25-27页 |
| 3.2 基于改进的非负矩阵分解模型在盲源分离中的应用 | 第27-31页 |
| 3.2.1 混合数据的获取 | 第27-28页 |
| 3.2.2 改进的非负矩阵分解模型在盲源分离中的应用 | 第28-29页 |
| 3.2.3 最佳估计源的选取 | 第29-31页 |
| 3.3 本章小结 | 第31-32页 |
| 第四章 基于相互独立性约束的非负矩阵分解 | 第32-38页 |
| 4.1 基于独立性约束的非负矩阵分解模型 | 第32-33页 |
| 4.2 基于非负矩阵分解的聚类问题讨论 | 第33-37页 |
| 4.2.1 最佳估计源进行聚类分析实验结果 | 第34-36页 |
| 4.2.2 更新规则 5 下估计的源数据进行聚类分析实验结果 | 第36-37页 |
| 4.3 本章小结 | 第37-38页 |
| 第五章 总结与展望 | 第38-39页 |
| 5.1 论文总结 | 第38页 |
| 5.2 展望 | 第38-39页 |
| 参考文献（REFERENCES） | 第39-42页 |
| 致谢 | 第42-43页 |
| 附录攻读硕士学位期间发表的论文 | 第43-44页 |
| 详细中英文摘要 | 第44-48页 |
